Verizon
Agent assist genAI : un LLM branche sur la base documentaire interne et le contexte client souffle au conseiller la reponse et l'offre pertinente en temps reel
Verizon a equipe 28 000 conseillers care et boutiques d'un assistant Gemini (Vertex AI) branche sur 15 000 documents internes, atteignant 95% de reponses couvertes et une hausse des ventes via le care de pres de 40% au T1 2025.
L'essentiel
- Agent assist genAI qui souffle reponse et offre pertinente au conseiller en temps reel.
- Gemini sur Vertex AI, RAG sur environ 15 000 documents internes.
- 95% de demandes couvertes, ventes via le care en hausse de pres de 40%.
- Preuve B, statut confirme, 28 000 conseillers et boutiques equipes.
Objectif
Donner a chaque conseiller une reponse fiable en direct pour raccourcir les appels, mieux resoudre, et transformer le service en canal de vente pendant que la base perd des abonnes.
Le déploiement
Verizon a branche Gemini sur ses plateformes de care via Vertex AI. Le conseiller garde la main, mais un assistant conversationnel appele Personal Research Assistant va chercher la reponse dans environ 15 000 documents internes et le contexte du client, puis la restitue en temps reel au lieu de laisser l'agent fouiller une base de connaissances. Un second agent, Problem Solver, guide le depannage. Le systeme couvre 28 000 conseillers et boutiques. Verizon annonce 95 pour cent de demandes auxquelles l'assistant sait repondre. Sur le trimestre, les ventes passees par l'equipe care ont bondi de pres de 40 pour cent : Verizon a requalifie ses agents de care en agents capables de vendre, pendant que le groupe perdait des abonnes postpayes apres des hausses de prix. Le deploiement s'inscrit dans cinq ans de collaboration avec Google Cloud.
Résultats Preuve B
Chiffres de deploiement confirmes par le communique officiel Google Cloud (28 000 conseillers, 95 pour cent d'answerability) et hausse de ventes de pres de 40 pour cent rapportee autour des resultats T1 2025 de Verizon. Communique vendor plus reprise presse : solide, mais l'answerability est une mesure interne et le +40 pour cent n'isole pas la part strictement attribuable a l'IA.
Comment ça fonctionne
Architecture documentéeLa stack en détail
- llm Google Gemini LLM qui genere les reponses de l'assistant conversationnel (Personal Research Assistant) et du guide de depannage (Problem Solver).
- plateforme Google Cloud Vertex AI Plateforme d'hebergement et d'orchestration des agents conversationnels branches sur la base documentaire.
- outil Agent Assist Panel / Customer Engagement Suite Panel integre au poste de travail des 28 000 conseillers, qui restitue reponse et offre pertinente en temps reel.
- infra Corpus documentaire interne Verizon Environ 15 000 documents (procedures, offres, tarifs, depannage) indexes en RAG et reindexes en continu.
- integrateur Google Cloud Partenaire technologique du deploiement, dans le cadre d'une collaboration de cinq ans avec Verizon.
Comment ça tourne, concrètement
Pour les équipes ops-
1Indexer la connaissance interne Equipe data / plateforme
Environ 15 000 documents (procedures, offres, tarifs, depannage) sont mis a disposition du LLM en RAG. Sans cette base propre, l'assistant hallucine.
-
2Assister le conseiller en direct IA / Gemini
Pendant l'appel ou le chat, l'assistant lit l'intention et le contexte client, remonte la reponse et l'offre pertinente dans l'Agent Assist Panel.
-
3Garder l'humain decideur Conseiller care / vente
Le conseiller valide, reformule et decide de l'offre. L'assistant propose, il ne conclut pas la vente a sa place.
-
4Mesurer answerability et ventes Equipe data + management care
Suivi du taux de demandes couvertes, de la duree d'appel et des ventes issues du care pour arbitrer l'extension.
La qualite et la fraicheur de la base documentaire indexee. Si un document est perime ou manquant, l'assistant repond faux avec assurance et le conseiller propage l'erreur.
Comment vos clients perçoivent ce type d'usage
Études sourcéesLes consommateurs n'acceptent pas les chatbots par defaut : 64% prefereraient que les entreprises n'utilisent pas d'IA dans leur service client (Gartner, 2024) et pres d'un utilisateur sur cinq du service client par IA n'en retire aucun benefice (Qualtrics, 2025). L'acceptation se construit sur trois conditions mesurees par Salesforce : savoir qu'on parle a une IA, pouvoir escalader vers un humain, comprendre la logique de l'agent.
Conditions d'acceptation
- Etre informe qu'on parle a une IA et non a un humain (pres de 75% le demandent, Salesforce 2024)
- Un chemin d'escalade clair vers un agent humain (45% plus enclins a utiliser l'agent IA, Salesforce 2024)
- Une logique de l'agent clairement expliquee (44% plus enclins, Salesforce 2024)
Lignes rouges
- Rendre l'humain injoignable : c'est la premiere inquietude des consommateurs sur l'IA dans le service client (Gartner 2024) et 50% craignent que l'IA les coupe du contact humain (Qualtrics 2025)
- Remplacer le service client par l'IA sans alternative : 53% envisageraient de partir chez un concurrent (Gartner 2024)
Sources : Salesforce 2024 · Gartner 2024 · Qualtrics 2025
Voir l'acceptation complète : par pays, par usage, par génération
Comment répliquer
Inférence - non sourcéPrérequis data
- Base documentaire interne propre et a jour (procedures, offres, tarifs, depannage)
- Acces au contexte client en temps reel dans le poste conseiller
- Gouvernance RGPD sur les donnees client exposees au LLM
Prérequis orga
- Equipe care/retail formee a travailler avec un assistant
- Process d'entretien de la base documentaire (qui la maintient a jour)
Stack possible
- Vertex AI + Gemini, ou Azure OpenAI, ou un RAG maison sur un LLM du marche
- Brique agent assist integree au CRM / poste conseiller
- Moteur de recherche vectoriel sur la doc interne
Le plan, étape par étape
- Étape 1Choisir un domaine de care a fort volume et auditer la documentation associee (fraicheur, proprietaires, trous).Livrable : Inventaire documentaire avec responsables et statut de mise a jour.
- Étape 2Indexer la documentation en RAG, brancher le LLM et tester l'answerability en interne sur un jeu de questions reelles.Livrable : Assistant en sandbox avec taux de reponse mesure question par question.
- Étape 3Lancer le pilote sur un groupe de conseillers contre un groupe temoin.Livrable : Lecture duree d'appel, answerability et satisfaction, pilote vs temoin.
- Étape 4Integrer le contexte client et les offres dans le panel conseiller, l'humain gardant la decision.Livrable : Assistant qui propose l'offre pertinente dans le poste de travail.
- Étape 5Installer le process d'entretien de la base documentaire et planifier l'extension aux autres domaines.Livrable : Rituel de mise a jour documentaire + plan de rollout chiffre.
Première étape : Choisir un domaine de care a fort volume, indexer la doc correspondante en RAG, et mesurer answerability et duree d'appel sur un groupe de conseillers pilote contre un groupe temoin.
Le même pattern, prouvé dans d'autres industries
Amazon
assistant shopping genAI
Booking.com
assistant de planification de voyage genAI
Burberry
copilote genAI pour conseiller (recherche, reconnaissance image, complete-the-look)
Sources
- S1 Google Cloud and Verizon Drive Customer Experience Improvements with Gemini Integration Officiel intéressé archive à générer
- S2 Verizon Teams Up with Google to Give 28,000 Customer Support Reps a Personal Research Assistant Presse établie archive à générer
- S3 Verizon AI boosts sales amid customer churn (reprenant Reuters, resultats T1 2025) Secondaire archive à générer
Une erreur, une info plus récente, une source ?
Cette fiche vit de sa justesse. Si un chiffre a bougé, si le déploiement a changé, ou si vous avez une source de meilleure qualité, dites-le nous. Toute correction sourcée est vérifiée avant publication.